Inworld AI: GDC 2024’teki Yenilikler ve Gelecek Vizyonu Nedir?

Inworld AI, oyun dünyasında önemli bir oyuncu olarak, GDC 2024’te Microsoft, Ubisoft ve NVIDIA gibi devlerle iş birliği yaparak AI Karakter Motoru’nun yeni teknolojik gösterimlerini tanıttı. Ancak, GDC 2025’te Inworld AI’nin varlığı daha mütevazıydı ve daha az göz alıcı ortaklıklarla gündeme geldi. Bu, arka planda gelişmelerin olmadığı anlamına gelmiyor. San Francisco’daki son etkinlikte, Inworld AI CEO’su Kylan Gibbs ile bir araya gelerek, son zamanlarda neler yaptıklarını öğrendik.

Inworld AI’nin Gelişimi ve Yeni Yönelimleri

Son birkaç yılda şirketinizin evrimi hakkında konuşalım.

Yaklaşık dört yıldır bu alandayız. Başlangıçta, oyun motorlarınıza SDK aracılığıyla bağlı bir sunucu uygulaması olan karakter motorunu geliştirdik. Bu motor, tasarımcılar ve senaristler için AI’nın karmaşıklığını basitleştirmeyi amaçlıyordu. En büyük öğrenimimiz, insanların daha fazla kontrol istedikleri ve mantığın yerel olarak çalışmasını arzuladıklarıydı.

Ürünümüz açısından büyük bir odak noktası, sunucu tarafındaki uygulamadan uzaklaşarak kendi motorumuzu geliştirdiğimiz mantığı ve araçları, geliştiricilerin doğrudan motor içerisinde kendi AI motorlarını etkili bir şekilde inşa edebilecekleri bir dizi kütüphaneye dönüştürmek oldu. Bu, diğer motorlar için gerektiğinde dönüştürülebilen bir C++ çalışma zamanı anlamına geliyor.

Bu geçiş, karakter motorundan çerçeveye oldu. Bunun bir parçası olarak gözlemleme ve telemetri üzerinde yoğunlaştık. AI ile birlikte birçok oyun geliştiricisi, bir şeyler bozulduğunda neyin yanlış gittiğini anlamak için gereken şeffaflığa sahip değil.

Bu, geliştiricilerin o çerçeveye entegre edilen telemetriye erişmesini sağlayan portal aracımızdır. Ancak en büyük hedefimiz, mantığı yerel olarak değil, ideal olarak modelleri de yerel olarak getirmek. Bu, her oyun geliştiricisinin istediği bir şey, bu nedenle bu konuda büyük bir odaklanmamız oldu.

Hibrit İnferans Modelleri ve Oyun Geliştirme Süreçleri

Geliştirdiğimiz araç, bulutumuzu kullanarak yerel olarak kullanılabilecek modelleri özelleştirmemizi sağlıyor. Elbette, burada zorluk, birçok tüketici donanımının her şeyi yerel olarak çalıştırmaya hazır olmamasıdır. Bu uygulamaların çoğuna, yerel olarak saklanan gerçek modelin yanı sıra, donanımda çalışıp çalışamayacağını tespit eden hibrit bir inferans modeli ekliyoruz. Örneğin, eğer bir PC’de GeForce RTX 5090 varsa, yerel olarak çalıştırıyorsunuz. Bir Nintendo Switch’te ise bulutu kullanıyorsunuz.

Bir diğer büyük odaklandığımız konu ise kontrol edilen evrim. Şu anda oyunlar ve tüketici uygulamaları için AI ile ilgili en büyük zorluk, bugün belirli bir modelle bir oyunu başlattığınızda ve o modeli koruduğunuzda, altı ay içinde eski hale geleceğidir. AI çok hızlı ilerliyor. Sürekli olarak mevcut üçüncü taraf veya kendi modellerimizden en iyisini seçebilmek ve ardından kullanıcı kullanımınıza göre bir dizi optimizasyon yapmak zorundasınız.

Geliştiricilerle birlikte çalışarak, belirli bir bulut sağlayıcı modeline 20 milyon dolarlık bir taahhüt yapmak zorunda kalmamalarını sağlıyoruz. Bunun yerine, herhangi bir zamanda en iyi model nedir kullanmalarını ve bunu özel kullanım durumları için optimize etmelerini sağlıyoruz.

AAA oyunları ve birlikte çalıştığımız en büyük stüdyoların uzun geliştirme döngüleri olduğu için, en büyük lansmanlar genellikle mobil tarayıcı tabanlı uygulamalar olmaktadır. En heyecan verici olanlar ise, Wishroll’dan gelen Status gibi oyunlardır. Bu oyun, başka bir evrendeki Twitter’da bir karakter olarak rol yapmanızı sağlıyor.

Crazy bir fikir. Ancak, 19 günde 500K kullanıcıya ulaştılar ve her kullanıcı günde ortalama bir buçuk saat harcıyor. Bu, olağanüstü bir trafik ve tüm süreç, başarılarınız ve içerik tarafından destekleniyor. Gerçekten de yaratıcı bir yapı inşa etmişler.

Yeni Oyunlar ve Yapay Zeka Entegrasyonu

Diğer bir oyun ise Little Umbrella. Playroom adında başka bir bölümü var ve ilk oyunları olan Death by AI’yi geliştirdiler. Şimdi ise AI destekli JackBox tarzı bir parti oyunu olan The Last Show’u piyasaya sürdüler. Bu oyunlar oldukça eğlenceli çünkü AI, çok oyunculu senaryoları gerçek zamanlı olarak yönetiyor.

Streamlabs ile birlikte, Logitech ve Nvidia iş birliğiyle bir akış asistanı oluşturduk. Fortnite oyunu için kullandığımız sistem, oyunun yanında gerçek zamanlı olarak çalışıyor, oyunun durumunu anlıyor, kullanıcı yorumlarını gözlemliyor ve yayıncıların söylediklerini dinleyerek karmaşık eylemleri gerçekleştirebiliyor. Tüm bunların milisaniyelik bir gecikme ile gerçekleşmesi gerekiyor.

Streamlabs hakkında konuştuğumuzda, oyundaki ilerlemenizi izleyebilen bir tür oyun koçu işlevi var mı?

Evet, Streamlabs bu şekilde çalışıyor. Genellikle profesyonel yayıncılar kullanıyor, bu nedenle koçluğa ihtiyaçları yok. Ancak, bir oyuncu oyuna girdiğinde, “Bu nesne ne işe yarıyor?” veya “Bir sonraki en iyi hamlem ne olmalı?” gibi sorular sorabilir. Tüm bunları yapabilir.

Gördüğümüz en büyük kullanım alanları, “eşlik edenler ve asistanlar” olarak adlandırdığım iki farklı türdeki eşlik edenlerdir: bedensiz ve bedensel eşlik edenler. Bedensiz olan, oyun dışında bulunan Streamlabs asistanıdır. Oyun içindeki durumu gözlemleyebilir, ancak oyunun içinde değildir. Genellikle koçluk, asistanlık, sorular ve canlı yürüyüşler için kullanılır.

Bedensel olan ise, oyun içi eğitim için kullanılmaktadır. Karakter, ne yaptığınızı görerek önerilerde bulunur, nasıl oynanacağını anlatır. Zorlandığınızda, size nasıl ilerleyeceğinizi gösterebilir.

Gelecek Oyunlarda Yapay Zeka Kullanımı

Diğer kullanım durumları arasında, çok oyunculu kooperatif oyunlar ve MMO’lar sırasında oyuncu taklidi yapma yer alıyor. Oyuna girdiğinizde, oyunun ilk saatinde diğer oyuncularla oynamak istemiyorsanız, bunu nasıl hissedebilirsiniz? Ya da siz ve ben bir kooperatif oyunu oynuyorsak ve siz oyundan çıkarsanız, benimle birlikte oynuyormuş gibi hissedecek bir karakterin gelmesini isteyebilirim. Bu eşlik eden asistan alanında pek çok heyecan verici kullanım durumu var.

Bu izleme, programın kendisi içinde bir SDK olarak mı entegre edilmiştir, yoksa video girişlerini okuma işlevi var mı?

Mantık, mümkün olduğunca uygulamanın kendisine entegre edilmiştir. Tüm model anlayışını entegre ediyoruz. Yerel olarak gerçek zamanlı olarak anlayabilen görsel modeller ekleyebilirsiniz. Gerçek sınırlama, hangi donanımda çalışmak istediğinizdir. NVIDIA GeForce RTX 5090, AMD Radeon RX 7900 XTX veya Tenstorrent QuietBox üzerinde tam olarak çalışan bir demo sunuyoruz. Bu durumda, her şey yerel olarak çalıştırılabiliyor.

Bir video izleme örneği olarak NVIDIA’nın oyun kooperatörü asistanının ekranın bir bölgesini izleme yeteneğinden bahsetmiştim. Örneğin, bir mini haritaya bakıyorsunuz, bir MOBA oynuyorsunuz ve bir şeyin kaybolduğunda ne kadar zor olacağını düşünüyorsunuz. Bu tür değişkenleri ayarlamak ne kadar zor olacaktır?

Bu harika bir soru. Bunun için iki şeyi düşünebilirsiniz. Bunun için ideal olan, tam ekran görsel dil modeli veya OCR kullanmaktır. OCR ile ekran görüntüleri alıyorsunuz. Görsel dil modelini kullanmanın nedeni, mekansal farkındalık sağlamasıdır, ancak bunu iki şekilde yapmayı görüyoruz.

Bir geliştirici olarak, muhtemelen belirli piksellere odaklanarak ayarlamalar yapmanız gerekir. Ancak, genellikle oyun durumunuz varsa, görsel anlamaya gerek duymadığınızı da unutmayın. Arka planda kodunuz var.

İnsanlar genellikle bunu gözden kaçırıyor veya “görsel anlamaya çalışıyoruz” diyorlar, oysa arka plandaki kod bana her şeyi anlatıyor. Bu, gerçekten neyi yakalayamadığım ve neden görselliğe ihtiyaç duyduğum arasındaki bir dans gibi.

Inworld AI’nin kalite güvence testlerinde kullanım olasılığı nedir?

Kullanabilirsiniz. Açıkçası, odak noktamız esasen oyuncuya yönelik AI’dır. Daha fazla stüdyoyla etkileşime girdikçe, cevabım “bunu kendiniz inşa etmelisiniz” oluyor. Bunun nedeni, bu büyük dil modellerini kullanmanın maliyetinin sürekli olarak düşeceğine inanıyor olmamdır. QA ile ilgili her şey biraz farklıdır, ancak içerik oluşturma verimliliği için, bunu kendi bünyenizde inşa etmeleri gerektiğini düşünüyorum.

Özellikle QA için, test etme veya başka bir şey için ajanlar inşa etmiyoruz. Ancak, bunu kendi teknolojimizi kullanarak inşa edebilirsiniz. Sonuçta, bu daha altyapısal bir teknoloji parçasıdır. Bazı gruplar, dünyaya gönderebilecekleri oyuncu taklit eden botlar yaratmaya çalışıyorlar.

Özel bir QA test çözümü üretmiyoruz, ancak genellikle prototip testlerinde kullanıldığını görüyoruz. Bu senaryoda, genel bir kent manzarası ile bir dünya kurabilir ve bu dünyada farklı şekillerde tepki veren yüz farklı çeşit görmek isteyebilirsiniz. Bu, hızlı prototip oluşturmaya yardımcı olur, böylece yüz farklı seçenek arasından en eğlenceli veya ilgi çekici olanını belirleyebilirsiniz.

Ancak, temel kalite güvence veya hata düzeltme açısından, geliştiricilerin inşa edebileceği bir alan; dürüst olmam gerekirse, bunu yapmak için bizim teknolojimizi kullanabilirsiniz, ancak bu, gelecekteki iş akışlarınızın temel bir parçası olduğu için kendiniz inşa etmeniz gereken bir alan gibi görünüyor.

Asıl nedenim, oyun durumunu izleyebilmesi ve istenmeyen etkileşimler gibi alanlarda değişkenler ayarlayabilmesidir.

Bu çok ilginç. Bahsettiğim gibi, sahip olduğumuz telemetri parçası burada çok değerli. Oyun koduna entegre edildiği için, oyunun herhangi bir kısmı üzerinde telemetri çalıştıracak şekilde ayarlamalar yapabilirsiniz. Hangi tür karakter tepkilerinin veya NPC etkileşimlerinin oyuncunun görevi tamamlamasına neden olduğunu tespit etmek istiyorsanız, orada gerçekten neler olup bittiğini bilmeniz gerekir.

Öyleyse, şunu söylemeliyim: Genel QA yapmıyoruz. AI ile ilgili her şeyin QA’sını etkili bir şekilde yapabilmeniz için gereken tüm verileri ve meta verileri sağlamalıyız. AI ile ilgili her şeyde, bunun nasıl çalıştığını anlamanız için tüm verileri sağlamamız gerekiyor.

Bugünün AI’sının en sorunlu kısımlarından biri, tamamen bir kara kutu olmasıdır. Oyunu geliştirirken ve oyun testleri yaparken, ne zaman bozulduğunu, nasıl bozulduğunu ve bunların nasıl bağlantılı olduğunu bilmeniz gerekiyor. QA’yı daha geniş oyun geliştirme alanında yapmıyoruz, ancak insanlar AI entegre ettiklerinde, bu AI’nın QA’sını yapmak zorundalar. İşte burada telemetri parçası devreye giriyor.

Inworld AI ile çözümlediğiniz herhangi bir sorun, örneğin yanılsamalar hakkında konuşabilir misiniz?

Artık çok fazla değil, çünkü bu modelleri özelleştirme ve belirli görevler için eğitme yeteneğine sahibiz ve üzerlerinde birçok filtre uygulayabiliyoruz. Yanılsamalar, istediğiniz kadar kontrol edilebilir ve veri yapısı doğrulaması da gerçekleştirebilirsiniz. Örneğin, JSON formatında çıktı veriyorsanız, bunu belirli JSON formatları, belirli uzunluklar ve belirli kelime türleri ile sınırlayabilirsiniz. Yanılsamaların ortaya çıktığı yerlerden biri, daha önce bahsettiğim Status oyunudur. Orada, karakterlerin akıl almaz fikirler üretmesini istiyorlar ama yine de karakterin içinde kalmalarını sağlıyorlar.

Yanılsamanın nasıl tanımlandığına bağlı. Bazı durumlarda, IP normlarının dışına çıkmak bir tür yanılsamadır. Diğer bir yanılsama türü ise, oyunda anlamı olmayan tamamen uydurulmuş şeyler ortaya çıkarmaktır. Biz, birincisine odaklanıyoruz çünkü birçok IP sahibi bu konuda çok hassas. Öte yandan, ikinci tür oldukça çözülmüş bir sorun, ama her ikisi de çözülebilir. Birincisi daha fazla makine öğrenimi derinliği gerektiriyor.

Üzerinde çalıştığınız dinamik kalabalık teknolojisi hakkında konuşabilir misiniz?

Evet, bunu çok seviyorum. Açık dünya oyunları üzerinde çalışan stüdyo başlarıyla etkileşime geçtiğimde karşılaştığım büyük sorunlardan biri, daha iyi oyuncu deneyimleri oluşturmanın iki yolu olduğu. İnsanlar, dünyaları daha büyük boyutlara taşımaya çalışıyorlar ve daha büyük bir dünyanın daha fazla oynama süresi anlamına geldiğini düşünüyorlar. Ancak ben, “bir daha 20 dakika at üstünde gidemem” diyorum. Diğer bir nokta ise, grafiksel sadakattir. Temelde, sürekli olarak grafiksel sadakati artırmaya çalışıyorlar, daha büyük bir dünya ile daha yüksek sadakat olduğunda insanların beğeneceğini düşünüyorlar.

Düşünceli kalabalıklar bu sorunun genel çözümünün bir parçasıdır; dünyayı daha canlı hale getirmeyi hedefliyoruz. Kalabalıklar, son on yıldır pek evrim geçirmedi. Örneğin, her oyunda rastgele yürüyen veya sabit duran insanlardan daha fazlasını görmek istiyoruz; insanlar birbirlerini fark etsin, biri bir şey söylesin, biri yanına gelsin, sohbet etmeye başlasın ve bir şey yapmaya karar versin.

Bir oyuncu olarak, bu durumda daha fazla immersif olanın ne olduğunu anlamakta zorlanabilirsiniz, ancak bu durum dünyayı daha canlı hissettiriyor. Çevresel farkındalık açısından da çok şey yapıyoruz. Sadece karakterleri değil, oyunun durumunun herhangi bir bölümünü de güçlendirebiliyoruz. Çevre, farklı insanlara nasıl uyum sağlıyor? Farklı görevler veya etkinlik oluşturma nasıl sağlanıyor?

Belki de, bir görevi tamamladıktan sonra bir etkinlik oluşturmak istiyorum. Örneğin, “Tamam, bu kediyi kurtardım. Bir dondurma satıcısının yanına yürürken, kedi dondurma satıcısının üzerine atlıyor, o da kediyi uzaklaştırıyor ve birisi geliyor.” İşte bu dünyadaki küçük parçalar, daha canlı hale gelmesini sağlıyor ve bu da daha immersif hissettiriyor. Bu, şu anda itici bir sadakat biçimi olarak düşündüğümüz bir şey.

Inworld AI’nin geliştiricilerin teknolojiyi entegre edebilmeleri için bir araç seti oluşturup oluşturmadığını merak ediyorum.

Bu harika bir soru. Daha önce de belirttiğim gibi, çerçevemizle birlikte şablonlar oluşturuyoruz. Geliştiricilerle çalışmaya başladığımızda, onlara başlangıç noktası sağlamak ve teknolojinin nasıl çalıştığını anlamalarını sağlamak için bir örnek veriyoruz, ardından bunu etraflarında inşa ediyorlar. Ancak bu, takılan bir kara kutu bileşeni değil. Temelde, kendi kod parçalarını alıp değiştirebilecekleri bir kod parçasıdır, çünkü kalabalıkları nasıl oluşturmak isteye